概念
别名：Direct Preference Optimization
直接偏好优化，用于模型训练的方法。
已跟踪 4 条高相关材料
最近变化
2026-06-06 · Nemotron 3 Ultra 现在支持 SFT 和 DPO 训练。
为什么值得关注
DPO 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Direct Preference Optimization Beyond Chatbots
Hugging Face Blog · 8.5 分
本文介绍了DPO（Direct Preference Optimization）技术，它通过使用模型自身失败时产生的拒绝对来优化文本生成，从而显著减少了文本退化率。DPO在OCR（光学字符识别）任务中特别有效，因为它可以作为直接的失败模式缓解工具，而无需依赖于主观的人类判断。
Qwen 3.5 from @Alibaba_Qwen is now available on @FireworksAI_HQ Training Platform across the Managed...
Fireworks AI(@FireworksAI_HQ) · 7.2 分
Fireworks AI 宣布 Qwen 3.5 正式接入其训练平台，支持 SFT/DPO/RLHF 等全栈微调方式、256K 上下文及 LoRA/全参微调。
GLM 5.1 from @Zai_org is now available on @FireworksAI_HQ Training Platform across the Managed and T...
Fireworks AI(@FireworksAI_HQ) · 7.2 分
Fireworks AI 平台正式支持智谱 GLM 5.1 模型，提供 SFT/DPO 微调能力、200K 超长上下文窗口，专为长周期智能体编程微调优化，RL 训练即将上线。
已收录 4 条与 DPO 相关的内容，按评分排序。
本文介绍了DPO（Direct Preference Optimization）技术，它通过使用模型自身失败时产生的拒绝对来优化文本生成，从而显著减少了文本退化率。DPO在OCR（光学字符识别）任务中特别有效，因为它可以作为直接的失败模式缓解工具，而无需依赖于主观的人类判断。
入选理由：DPO技术通过使用模型自身失败时产生的拒绝对来优化文本生成，显著减少了文本退化率。
Fireworks AI 平台正式支持智谱 GLM 5.1 模型，提供 SFT/DPO 微调能力、200K 超长上下文窗口，专为长周期智能体编程微调优化，RL 训练即将上线。
入选理由：GLM 5.1 已集成至 Fireworks AI 托管与 API 训练工作流
Fireworks AI 宣布 Qwen 3.5 正式接入其训练平台，支持 SFT/DPO/RLHF 等全栈微调方式、256K 上下文及 LoRA/全参微调。
入选理由：Qwen 3.5 已上线 Fireworks AI 训练平台，覆盖托管与 API 两种工作流
Fireworks AI 扩展其训练平台，支持 Nemotron 3 Ultra 模型的微调和 DPO 训练。
入选理由：Nemotron 3 Ultra 现在支持 SFT 和 DPO 训练。
